Reiter

KI-Wiki der PH Zürich

Das KI-Wiki ist eine Ressource für alle Bildungseinrichtungen, die das Potenzial von KI im Unterricht nutzen möchten. Es bietet sowohl theoretische Grundlagen als auch praktische Anwendungsmöglichkeiten und unterstützt so Lehrende dabei, Lernpozesse effektiv zu gestalten.

Im Themenbereich «Lernen mit KI» werden praktische Tipps und Empfehlungen gegeben, wie Bildungseinrichtungen den Einsatz von KI erfolgreich umsetzen können, und exemplarische Einsatzszenarien in verschiedenen Fachbereichen zeigen auf, wie KI den Lernprozess unterstützen kann. 

Unter «Lernen über KI» werden die Grundlagen von KI erläutert. Hier werden Begriffe wie maschinelles Lernen, neuronale Netze und Deep Learning erklärt, um ein grundlegendes Verständnis für die Funktionsweise von KI-Systemen zu schaffen. Hier werden auch ethische Fragen diskutiert und die kulturellen und historischen Wurzeln der Technologie erläutert.
Zum Begriff «künstliche Intelligenz»: In Fachkreisen gilt die Bezeichnung «KI» als unglückliche Wortwahl, da die Technologie aktuell wenig mit unserer Vorstellung von Intelligenz zu tun hat. Teilgebiete der KI-Forschung sind unter anderem Mustererkennung, maschinelles Lernen, neuronale Netze, Deep Learning und Robotik.
KI hat sich aber als Abkürzung etabliert, weshalb wir in diesem Dossier auch diesen Begriff nutzen.
Per Klick auf das Wiki-Icon kommt man direkt auf die Startseite zurück. Die aktuellsten Beiträge finden sich rechts unter Wiki-Funktionen > Seitenlisten > Neue Seiten.
Ein Wiki lebt von der Community. Hast du spezielle Kenntnisse oder Erfahrungen im Bereich «Lernen und Lehren mit KI», die du teilen möchtest? Schreibst du gerne wissenschaftliche oder praxisorientierte Artikel? Wir freuen uns über neue Co-Autor:innen!
Wende dich per Mail ans Digital Learning der PH Zürich.
 

Lernen mit KI

Text-Prompts
Bild-Prompts
Prompting Guides
ChatGPT als Lernassistenz

Unterrichtsplanung mit KI

Didaktische Modelle:

- Berliner Modell: Ein strukturiertes Modell, das vier grundlegende didaktische Entscheidungen beinhaltet: Ziele, Inhalte, Methoden und Medien.
Beispiel für die Vorbereitung einer Lektion im Sprachunterricht unter Verwendung des Berliner Modells: Nehmen wir an, die Lektion zielt darauf ab, den Wortschatz und die Verwendung von Redewendungen in alltäglichen Gesprächen zu verbessern.

Entscheidungsfelder

1. Ziele:
- Kognitiv:
Die Lernenden sollen verschiedene Redewendungen und deren Bedeutungen kennen und anwenden können.
- Affektiv: Die Lernenden sollen ein Interesse an der Verwendung von Redewendungen entwickeln und deren kulturelle Bedeutung schätzen lernen.
- Psychomotorisch: Die Lernenden sollen die Redewendungen in Rollenspielen und Gesprächen aktiv anwenden.
2. Inhalte:
- Einführung und Erklärung
von 10 häufig verwendeten Redewendungen.
- Beispiele für den Einsatz dieser Redewendungen in unterschiedlichen Kontexten (z.B. im Alltag, im Berufsleben).
- Übungen zur Anwendung der Redewendungen in Gesprächen und Rollenspielen.
3. Methoden:
- Direkte Instruktion zur Einführung der Redewendungen.
- Partner- und Gruppenarbeit zur Erarbeitung der Bedeutungen und Anwendung der Redewendungen.
- Rollenspiele, in denen die Lernenden die Redewendungen in verschiedenen Situationen anwenden.
- Feedback und Korrektur durch die Lehrkraft und die Mitschüler.
4. Medien:
- Arbeitsblätter mit Redewendungen und Beispielsätzen.
- Videos oder Audioaufnahmen, die die Verwendung der Redewendungen in realen Gesprächen zeigen.
- Digitale Tools (z.B. Online-Quiz oder Lern-Apps) zur Selbstüberprüfung und Vertiefung des Wortschatzes.
5. Evaluation:
- Formative Evaluation durch Beobachtung und Feedback während der Partner- und Gruppenarbeit sowie der Rollenspiele.
- Summative Evaluation durch einen kurzen Test am Ende der Lektion, in dem die Lernenden Sätze mit den erlernten Redewendungen vervollständigen oder anwenden müssen.

Bedingungsfelder

1. Anthropogene Voraussetzungen:
- Alter der Lernenden: 15-17 Jahre.
 - Vorkenntnisse: Grundlegender Wortschatz und einfache Satzstrukturen in der Zielsprache.
- Lernvoraussetzungen: Unterschiedliche Sprachkompetenzen und kulturelle Hintergründe.
2. Soziokulturelle Voraussetzungen:
- Diverse Klassenzusammensetzung mit unterschiedlichen kulturellen Hintergründen.
- Interesse an der Zielsprache und deren Anwendung in realen Lebenssituationen.
3. Institutionelle Voraussetzungen:
- Klassenzimmer mit geeigneter Ausstattung (z.B. Whiteboard, Beamer, Computer).
- Verfügbarkeit von digitalen Ressourcen und Materialien.
Beispiel-Prompt für die Lektion

Titel der Lektion:
Redewendungen im alltäglichen Gespräch.

Ziele:
Die Lernenden sollen in der Lage sein, 10 häufig verwendete Redewendungen zu verstehen und in alltäglichen Gesprächen anzuwenden.

Einführung:
- Beginne die Lektion mit einem kurzen Video, das die Verwendung einiger Redewendungen in einem Gespräch zeigt.
- Erläutere die Bedeutung jeder Redewendung und gib Beispiele für deren Anwendung.

Hauptteil:
- Verteile Arbeitsblätter mit den Redewendungen und Beispielsätzen.
- Lasse die Lernenden in Partner- und Gruppenarbeit die Bedeutungen und Anwendungsbeispiele erarbeiten.
- Führe Rollenspiele durch, in denen die Lernenden die Redewendungen in verschiedenen Kontexten anwenden.

Abschluss:
- Fasse die wichtigsten Punkte der Lektion zusammen.
- Führe einen kurzen Test durch, in dem die Lernenden die Redewendungen in Sätzen anwenden müssen.
- Gib Feedback und beantworte Fragen.

Medien:
- Arbeitsblätter
- Videos/Audios
- Digitale Tools

Evaluation:
- Beobachtung und Feedback während der Aktivitäten
- Kurzer Test am Ende der Lektion
- Hamburger Modell: Weiterentwicklung des Berliner Modells mit Fokus auf die Berücksichtigung von Lehr- und Lernprozessen, Lernergebnissen und den Lernenden.
- Constructivist Teaching: Ein Ansatz, der darauf abzielt, Lernende aktiv in den Lernprozess einzubeziehen und auf ihren Erfahrungen aufzubauen.

Lernzielorientierte Planung:

- Taxonomien von Lernzielen: Bloom’s Taxonomie und die revidierte Version von Anderson und Krathwohl bieten eine Klassifikation von Lernzielen in kognitive, affektive und psychomotorische Domänen.
- SMART-Ziele: Spezifisch, Messbar, Akzeptiert, Realistisch und Terminiert formulierte Lernziele zur effektiven Planung und Evaluierung des Unterrichts.

Curriculum-Entwicklung:

- Spiralcurriculum: Von Jerome Bruner vorgeschlagen, bei dem Lernende komplexere Inhalte auf höherem Niveau wiederholen.
- Backward Design: Ein Ansatz von Wiggins und McTighe, der mit der Definition der gewünschten Ergebnisse beginnt und darauf aufbauend Lehrmethoden und Unterrichtsaktivitäten plant.

Lerntheorien:

- Behaviorismus: Fokus auf beobachtbares Verhalten und dessen Modifikation durch Verstärkung und Bestrafung.
- Kognitivismus: Betonung der internen mentalen Prozesse, wie Informationsverarbeitung, Gedächtnis und Problemlösung.
- Konstruktivismus: Lernen als aktiver, konstruktiver Prozess, bei dem Lernende Wissen durch Erfahrungen und Interaktionen aufbauen.
- Sozial-kognitive Theorie: Von Bandura entwickelt, hebt die Bedeutung des Modelllernens und der Selbstwirksamkeit hervor.

Didaktische Prinzipien:

- Anschaulichkeit: Einsatz von konkreten Beispielen, Modellen und Visualisierungen, um abstrakte Konzepte verständlich zu machen.
- Aktivierung: Förderung aktiver Beteiligung der Lernenden durch Diskussionen, Projekte und praktische Übungen.
- Individualisierung: Anpassung des Unterrichts an die individuellen Fähigkeiten und Bedürfnisse der Lernenden.
- Motivierung: Nutzung von intrinsischen und extrinsischen Motivationsstrategien, um das Interesse und Engagement der Lernenden zu steigern.
- Kohärenz und Struktur: Klar strukturierter Unterricht mit logischem Aufbau und nachvollziehbaren Übergängen.

Formulierung von Lernzielen:

- Kognitive Lernziele: Beschreiben das Wissen und die mentalen Fähigkeiten, die Lernende erwerben sollen, z.B. "Die Studierenden können die Hauptthesen von Bloom’s Taxonomie erläutern."
- Affektive Lernziele: Beziehen sich auf Einstellungen, Werte und Gefühle, z.B. "Die Studierenden zeigen Interesse an der Anwendung von Lerntheorien in der Praxis."
- Psychomotorische Lernziele: Betreffen körperliche Fertigkeiten und motorische Fähigkeiten, z.B. "Die Studierenden können präzise mikroskopische Präparate erstellen."
- Formulierungstechniken: Verwendung von aktiven Verben und klaren, messbaren Kriterien, um spezifische und erreichbare Lernziele zu setzen.

Evaluierung von Lernzielen:

- Formative Evaluation: Kontinuierliche Bewertung des Lernfortschritts während des Unterrichts durch Feedback, Quizze und Diskussionen.
- Summative Evaluation: Abschließende Bewertung am Ende eines Lernabschnitts durch Prüfungen, Projekte und Präsentationen.
- Selbstevaluation: Förderung der Selbstreflexion der Lernenden über ihre eigenen Lernfortschritte und Zielerreichung.
- Peer-Evaluation: Einbeziehung von Rückmeldungen von Mitschülern, um kollaboratives Lernen und kritisches Denken zu unterstützen.

Potenziale der generativen KI:

- Individualisierung des Lernens: Generative KI kann maßgeschneiderte Lerninhalte erstellen, die auf die individuellen Bedürfnisse und Fähigkeiten der Lernenden abgestimmt sind.
- Effizienzsteigerung: Automatisierte Erstellung von Lehrmaterialien und Ressourcen spart Zeit und ermöglicht Lehrenden, sich auf die Interaktion mit den Lernenden zu konzentrieren.
-Kreative Unterstützung: Generative KI kann innovative und kreative Ansätze in der Unterrichtsplanung fördern, z.B. durch die Erstellung von Simulationen, Geschichten oder visuellen Materialien.
- Adaptives Lernen: Generative KI kann sich an das Lerntempo und die Fortschritte der Studierenden anpassen, um eine kontinuierliche und personalisierte Lernumgebung zu schaffen.

Herausforderungen bei der Integration:

- Datenqualität und -sicherheit: Die Qualität der generierten Inhalte hängt stark von den verwendeten Trainingsdaten ab. Datenschutz und Sicherheit der Lernendendaten müssen gewährleistet sein.
- Technologische Anforderungen: Der Einsatz generativer KI erfordert entsprechende Hardware und Software sowie technisches Know-how.
- Ethische Bedenken: Sicherstellung der Fairness, Transparenz und Verantwortlichkeit der KISysteme. Vermeidung von Verzerrungen und Diskriminierung.
- Akzeptanz und Schulung: Lehrende und Lernende müssen mit der Nutzung von KISystemen vertraut gemacht und entsprechend geschult werden.

Didaktische Szenarien:

- Blended Learning: Kombination von traditionellen Unterrichtsmethoden mit digitalen KIgestützten Inhalten, um ein hybrides Lernumfeld zu schaffen.
- Flipped Classroom: Einsatz von generativer KI zur Erstellung von Vorlesungsinhalten, die die Studierenden vor dem Unterricht bearbeiten, um im Unterricht mehr Zeit für interaktive und praktische Aktivitäten zu haben.
- Projektbasiertes Lernen: Nutzung von KI zur Generierung von Projektthemen, Materialien und Feedback, um die Eigenständigkeit und Problemlösungsfähigkeiten der Lernenden zu fördern.

Einsatzmöglichkeiten:

- Inhaltsgenerierung: Automatische Erstellung von Texten, Quizfragen, Aufgaben und Lehrmaterialien, die auf die spezifischen Lernziele und -bedürfnisse zugeschnitten sind.
- Interaktive Übungen: Entwicklung von interaktiven Simulationen und virtuellen Experimenten, die den Lernprozess anschaulicher und praxisorientierter gestalten.
-Sprachunterstützung: Verwendung von KI zur Übersetzung und Anpassung von Lernmaterialien für mehrsprachige Klassen oder internationale Lernende.
- Feedback und Bewertung: Einsatz von KI zur automatisierten Analyse und Bewertung von Aufgaben, um Lehrende bei der schnellen und objektiven Rückmeldung zu unterstützen.

Bedarfsanalyse:

- Erhebung des aktuellen Stands: Analyse der bestehenden Lehrmaterialien und Unterrichtspläne. Identifikation von Lücken und Verbesserungspotenzialen.
- Befragung der Zielgruppe: Einholen von Feedback von Studierenden und Lehrenden zu den aktuellen Herausforderungen und Bedürfnissen.
- Datenanalyse: Nutzung von Leistungsdaten, Teilnahmequoten und anderen relevanten Metriken zur Bestimmung spezifischer Anforderungen.

Zielsetzung:

- Festlegung von Lernzielen: Definieren klarer, messbarer Lernziele, die erreicht werden sollen. Verwendung der SMART-Kriterien (Spezifisch, Messbar, Akzeptiert, Realistisch, Terminiert).
- Priorisierung: Bestimmung der wichtigsten Ziele basierend auf den Ergebnissen der Bedarfsanalyse.
- Ressourcenplanung: Identifikation der benötigten Ressourcen, einschließlich technischer Infrastruktur, Schulungsmaterialien und personeller Unterstützung.

Kriterien für die Auswahl:

- Funktionalität: Überprüfung, ob die Tools die gewünschten Funktionen und Anforderungen erfüllen, z.B. Textgenerierung, Anpassungsfähigkeit, Interaktivität.
- Benutzerfreundlichkeit: Bewertung der Benutzeroberfläche und der Bedienbarkeit der Tools, insbesondere für Lehrende und Lernende ohne technische Vorkenntnisse.
- Integration: Sicherstellen, dass die Tools nahtlos in bestehende Lernmanagementsysteme und digitale Plattformen integriert werden können.
- Kosten: Berücksichtigung der Kosten für die Implementierung und Nutzung der Tools im Verhältnis zum verfügbaren Budget.

Empfohlene Tools:

- OpenAI GPT-3: Für die Erstellung von Texten, Aufgaben und interaktiven Inhalten.
- Quizlet und Kahoot!: Für die Generierung von Quizfragen und interaktiven Übungen.
- Labster und PhET: Für die Entwicklung von Simulationen und virtuellen Laborumgebungen. Duolingo: Für sprachbasierte Lernmodule und Übungen.
- Canva und Artbreeder: Für die Erstellung von visuellen und multimedialen Lehrmaterialien.

Vorbereitung:

- Datenbeschaffung: Sammlung und Aufbereitung der Daten, die zur Schulung der generativen KI benötigt werden. Sicherstellung der Datenqualität und Relevanz.
- Tool-Einrichtung: Konfiguration der ausgewählten KI-Tools und Integration in die bestehende IT-Infrastruktur.

Erstellung von Materialien:

- Textbasierte Inhalte: Nutzung von GPT-3 zur Generierung von Lehrtexten, Fallstudien und Artikeln. Anpassung der Inhalte an die spezifischen Lernziele und -bedürfnisse.
- Interaktive Übungen: Erstellung von Quizfragen, interaktiven Aufgaben und Spielen mit Tools wie Quizlet und Kahoot!.
- Simulationen und virtuelle Experimente: Entwicklung realistischer Szenarien und Simulationen mit Labster und PhET.
- Visuelle und multimediale Inhalte: Gestaltung ansprechender Präsentationen, Grafiken und Videos mit Canva und Artbreeder.

Anpassung und Personalisierung:

- Individualisierung: Anpassung der generierten Materialien an die individuellen Lernstile und Fortschritte der Studierenden.
- Feedback-Integration: Kontinuierliche Einholung und Implementierung von Feedback der Lernenden zur Verbesserung der Materialien.

Dynamische Anpassung:

- Echtzeit-Analyse: Nutzung von KI zur Analyse der Lernfortschritte in Echtzeit und dynamischen Anpassung der Inhalte.
- Personalisierte Lernpfade: Erstellung individueller Lernpläne basierend auf den Stärken, Schwächen und Präferenzen der Studierenden.

Lernunterstützung:

- Adaptive Lernsysteme: Einsatz von KI-gestützten Systemen, die sich automatisch an das Lernniveau und die Geschwindigkeit der Studierenden anpassen.
- Automatisiertes Feedback: Bereitstellung von sofortigem und spezifischem Feedback durch KI-gestützte Analyse von Aufgaben und Prüfungen.
- Mentoring und Unterstützung: Nutzung von Chatbots und virtuellen Tutoren zur zusätzlichen Unterstützung der Lernenden.

Evaluierung und Optimierung:

- Lernfortschrittsanalyse: Regelmäßige Überprüfung und Analyse der Lernergebnisse zur Identifikation von Verbesserungspotenzialen.
- Iterative Anpassung: Kontinuierliche Verbesserung und Anpassung der Unterrichtsmaterialien und -methoden basierend auf den Evaluierungsergebnissen und Feedback.

Best Practices:

- Integrierte Planung: Verknüpfung von traditionellen und KI-gestützten Methoden zur Erstellung eines ganzheitlichen Unterrichtsplans.
- Iteratives Feedback: Regelmäßiges Einholen von Feedback der Lernenden und Anpassung der Inhalte basierend auf den Rückmeldungen.
- Vielfältige Inhalte: Nutzung von Texten, Videos, interaktiven Übungen und Simulationen, um verschiedene Lernstile anzusprechen.
- Transparenz und Kommunikation: Klare Kommunikation über den Einsatz von KI und deren Nutzen für den Lernprozess.

Erfolgsbeispiele:

KI fürs Schreiben nutzen
 

Lernen über KI

KI-News

Der Teams-Kanal «KI@PHZH» bietet News zu aktuellen KI-Entwicklungen und eine Plattform für Fragen und Diskussionen zu künstlicher Intelligenz in der Lehre (Zugang nur mit PHZH-Account).
> Team beitreten

Zuletzt geändert: 1. Jul 2024, 09:16, Gavin, David [david.gavin@phzh.ch]


Bisher wurde noch kein Kommentar abgegeben.